DeepSeek Harness 139k Stars, GLM-5.3, dan Riset Multi-Agent Anthropic

Hari ini ada satu nama yang meledak luar biasa: DeepSeek Harness, agent harness open source yang tembus 139 ribu stars hanya dalam hitungan hari. Tapi bukan cuma itu. Ada riset Anthropic soal bahaya multi-agent, analisis menarik kenapa model frontier terlihat makin pintar tapi makin sering mengarang fakta, sampai eGPU dock dengan firmware open source dari Comma.ai.

Lima topik, semuanya terverifikasi. Langsung saja.

DeepSeek Harness: Semua Hal adalah Plugin, dan Komunitas Menyambutnya

Dari deepseek-ai/deepseek-harness, tool 139,215 stars dalam sekitar 4 hari sejak dibuat 13 Agustus 2026. Angka sebesar itu jarang terjadi. Pesannya jelas: developer haus akan alternatif agent harness yang benar-benar bisa diutak-atik.

Filosofinya sederhana tapi berani, everything is a plugin. Tools, provider, UI, bahkan memory, semuanya plugin yang bisa dipasang dan dilepas tanpa menulis ulang sistem. Di bawahnya ada Cordis, framework yang menekankan composability, dan desainnya dijelaskan di paper berjudul A Programming Paradigm for Spatiotemporal Composability. Ditulis dalam TypeScript dengan lisensi MIT.

Coba liat gimana mudahnya memunculkan web UI-nya:

Bedanya dari Claude Code yang proprietary: dengan filosofi plugin-first, tiap bagian sistem bisa diganti sendiri. Ekosistem dsh-plugin sudah mulai tumbuh dengan plugin UI, routing suite, dan TUI. Tapi ingat, ini masih developer preview, jadi ada compatibility-breaking changes di tiap update.

Status: Beta (developer preview), open source.

GLM-5.3: Lompatan Kuat Berasal dari Post-training, Bukan Arsitektur Baru

Z.ai merilis GLM-5.3, model agentic coding untuk task jangka panjang. Hal yang menarik: base modelnya sama persis dengan GLM-5.2. Yang diperbesar hanya lapisan post-training, lewat reinforcement learning pada task yang bisa diverifikasi.

Hasilnya mengejutkan. Di benchmark coding internal, GLM-5.3 high effort mengalahkan Opus 4.8 sambil memakai kurang dari setengah output token. Skor CyberGym 84.5, dan modelnya sudah mulai menalar rantai eksploitasi lengkap. Disclosure ledger mencatat 1,097 temuan critical/high di 269 proyek open source.

Pelajaran dari sini penting. Sering kita mengira kemampuan model naik hanya karena arsitektur atau ukuran base model baru. GLM-5.3 membuktikan jalur lain: post-training scaling pada base yang sama bisa menghasilkan lompatan besar di kemampuan agentic. Open weights direncanakan rilis dua minggu setelah safety evaluation.

Status: Beta, tersedia via API dan ZCode, open weights dalam 2 minggu.

Anthropic: Risiko Sistemik Saat Banyak Agent Bekerja Bersama

Anthropic menerbitkan riset berjudul Patterns and Problems in Emerging Multi-Agent Systems. Mereka menjalankan swarm agent di dunia nyata: 45 agent, masing-masing dengan VM sendiri, plus forum koordinasi untuk memindai kerentanan 15 proyek open source, dengan arbiter agent.

Hasilnya memikat sekaligus mengkhawatirkan. Swarm koordinatif menemukan 266 kerentanan dibanding 21 untuk metode paralel independen. Tapi di balik angka itu ada masalah yang disebut conformity: 18 dari 30 agent membuat branch dengan nama sama, banyak agent menulis judul sama, dan semuanya cenderung konvergen ke strategi yang sama.

Inilah titik rapuhnya. Agent yang identik berperilaku low-variance, tidak seperti manusia yang diverse. Kesalahan yang sama diulang banyak agent, dan kegagalan individu berubah menjadi kegagalan sistemik. Untuk kolaborasi coding, hanya Sonnet 5 yang punya high code sharing sekaligus high PR throughput, model lama gagal merge PR sama sekali.

Status: Rilis, paper riset sudah dipublikasikan.

Model Makin Pintar Menalar, Tapi Makin Sering Mengarang Fakta

Esai dari w4g1.dev (terbit 17 Agustus 2026) membalik narasi umum dengan argumen tajam: model frontier seolah sengaja dibuat dumber. Reasoning score naik terus, sementara per-token compute turun. GLM-5.2 mencetak 99.2% AIME 2026 dengan sekitar 40 miliar parameter aktif per token, Qwen3.5 91.3% dengan 17 miliar, dan DeepSeek V4-Flash hanya 13 miliar.

Di sisi lain, ingatan dunia justru jeblok. Pemimpin SimpleQA, Gemini 2.5 Pro, hanya 53%, dan Qwen3.5 9B punya hallucination rate 80 sampai 82 persen. Argumennya: fakta butuh ruang, sekitar 2 bit pengetahuan per parameter, sedangkan reasoning terkompresi jauh lebih baik karena berupa prosedur kecil yang diulang.

Kesimpulannya tajam, facts rot, procedures don't. Fakta punya masa kedaluwarsa, prosedur tidak. Maka solusi hallucination bukan memperbesar model, tapi mengeluarkan fakta dari weights dan mengambilnya on-demand lewat harness atau tool call. Ini menjelaskan tren kenapa model fokus ke reasoning dan menyerahkan pengetahuan ke dunia luar.

Status: Rilis, esai blog.

Chestnut: eGPU Dock dengan Firmware Open Source dari Comma.ai

Comma.ai milik George Hotz merilis chestnut, eGPU dock yang menjembatani PCIe Gen4 x4 ke USB4 dengan firmware C open source di GitHub (tinygrad/asm2464pd-firmware). Harganya $249 untuk dock saja, atau $799 dengan AMD Radeon RX 9060 8GB lengkap kabel dan mounting.

Alasan keberadaannya konkret. openpilot butuh budget daya lebih dari 10 watt di perangkat, chestnut menaikkannya ke sekitar 100 watt dengan GPU desktop, setara kelas komputasi Tesla HW4. Dipasangkan dengan model driving 1 miliar parameter, 30 kali lipat parameter dan 100 kali lipat FLOPs dari model on-device, di openpilot 0.11.2.

Yang membedakan dari enclosure eGPU biasa: firmware bridge chip-nya bisa diaudit dan di-reflash. Enclosure selama ini closed box, chestnut membukanya. Catatan jujurnya, PCIe Gen4 x4 lewat USB4 tetap pipa yang lebih sempit dibanding slot x16 asli, jadi bukan shortcut ke performa desktop penuh.

Status: Rilis, dijual dengan pre-order.

Lima cerita hari ini dari arah yang berbeda. Satu soal cara merakit agent yang modular, satu soal dari mana lompatan kemampuan model berasal, satu soal risiko ketika banyak agent bekerja bersama, satu soal trade-off antara reasoning dan pengetahuan, dan satu soal membuka hardware yang biasanya tertutup.

Kalau ada satu benang merah: semuanya bergerak menuju transparansi dan komposability. Plugin pertama, firmware yang bisa diaudit, dan pengetahuan yang diambil on-demand alih-alih disimpan diam-diam di dalam model. Sampai jumpa besok.

Referensi

1. deepseek-ai/deepseek-harness di GitHub

2. GLM-5.3 launch di Product Hunt

3. Anthropic: Patterns and Problems in Emerging Multi-Agent Systems

4. Models Are Getting Dumber on Purpose

5. Comma.ai: Chestnut eGPU dock